读取和归一化CIFAR10

读取和归一化CIFAR10：

torchvision.datasets.CIFAR10(root, train=True, transform=None, target_transform=None, download=False)

参数说明：

1. root:cifar-10-batches-py 的根目录

2. train:True = 训练集 ,False = 测试集

3. download : True = 从互联网上下载数据，并将其放在root目录下；False=数据已经下载，则什么都不干。

4. transform:接受PIL图像的函数/变换，并返回转换后的版本。

   class torch.utils.data.DataLoader(dataset, batch_size=1, shuffle=False, sampler=None, num_workers=0, collate_fn=<function default_collate>, pin_memory=False, drop_last=False)
   

参数说明：

1. dataset:加载数据的数据集
2. batch_size:每个batch加载多少个样本(默认: 1)。
3. shuffle:设置为True时会在每个epoch重新打乱数据(默认: False).
4. sampler:定义从数据集中提取样本的策略。如果指定，则忽略shuffle参数。
5. num_workers:用多少个子进程加载数据。0表示数据将在主进程中加载(默认: 0)
6. drop_last (bool, optional) :如果数据集大小不能被batch size整除，则设置为True后可删除最后一个不完整的batch。如果设为False并且数据集的大小不能被batch size整除，则最后一个batch将更小。(默认: False)
   transforms.ToTensor：不明
   transforms.Normalize：不明
   程序：

import torch
import torchvision
import torchvision.transforms as transforms

transform = transforms.Compose(
    [transforms.ToTensor(),
     transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])

#训练集
trainset = torchvision.datasets.CIFAR10(root='./data', train=True,
                                        download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=4,
                                          shuffle=True, num_workers=2)

#测试集
testset = torchvision.datasets.CIFAR10(root='./data', train=False,
                                       download=True, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=4,
                                         shuffle=False, num_workers=2)

classes = ('plane', 'car', 'bird', 'cat',
           'deer', 'dog', 'frog', 'horse', 'ship', 'truck')

总结：使用torchvision可以非常容易地加载CIFAR10,CIFAR有两个数据集，一个是训练集，另外一个是测试集。首先先下载训练集，torchvision的输出是[0,1]的PILImage图像，将她转换为归一化范围为[-1,1]的张量。加载下载好的训练集，每个块加载4个通道，将每个epoch重新打乱数据，用2个子进程加载数据。
接着下载测试集，torchvision的输出是[0,1]的PILImage图像，将她转换为归一化范围为[-1,1]的张量。加载下载好的测试集，每个块加载4个通道，每个epoch默认原始数据，用2个子进程加载数据。
则完成读取和归一化CIFAR10数据。